Reindex pandas

"En" Pandas ", podemos almacenar mucha información en forma tabular, que también se conoce como DataFrame. El "pandas" nos facilita con el método "dataFrame ()" para construir DataFrame. DataFrame contiene índices, y también podemos cambiar los índices de DataFrame utilizando las funciones "Pandas". El método que utilizamos para reindexar el DataFrame es el método "reindex ()". Este método ayuda a cambiar los valores de índice de la fila, así como los valores de índice de las columnas. Al utilizar este método, podemos cambiar el índice predeterminado del DataFrame, y también, podemos cambiar el índice que establecemos al crear DataFrame. Usaremos el método "reindex ()" en nuestros ejemplos de "pandas" en este tutorial y explicaremos este concepto en profundidad aquí."

Ejemplo # 01

La herramienta "Spyder" nos ayuda a desarrollar el código "pandas" aquí en este tutorial, y comenzamos nuestro código con la palabra clave "importar", que ayudará a importar la función "pandas". Colocamos "Pandas como PD" después de escribir la "importación". Después de esto, creamos el marco de datos escribiendo "PD.Marco de datos()". Escribimos este "PD" aquí porque el "DataFrame ()" es el método de "Pandas". El "value_df" es el nombre de la variable en la que se guarda el marco de datos. Agregamos "RandomName", que es el nombre de la columna, y el "RandomName" contiene "Thomas, Oscar, Lilly, Rowan, John, Bromley, Peter, Alexander y Samuel".

Luego, tenemos "valor_1", en el que hemos insertado "16, 29, 24, 35, 44, 50, 69, 74 y 88". Luego viene "Value_2", y hemos agregado "25, 38, 42, 56, 54, 65, 78, 89 y 99". Ahora, el "valor_3" viene después, y colocamos "36, 48, 52, 69, 74, 75, 87, 91 y 69" en él. La columna "Value_4" está presente después de esto, donde hemos insertado "52, 64, 72, 88, 82, 95, 97, 21 y 39". La última columna es la columna "Value_5" aquí, y en esta columna, los valores que hemos agregado son "66, 78, 82, 99, 34, 45, 57, 61 y 89". Después de esto, usamos la función "print ()" en la que se agrega "valores_df". Se imprimirá en la terminal.

Después de presionar "Shift+Enter", podemos obtener fácilmente el resultado de nuestros códigos en la aplicación "Spyder". Aquí, este código devuelve el marco de datos con el índice predeterminado. Ahora, aplicaremos el método "reindex ()" para reintegrar este marco de datos en "Pandas".

La función "reindex ()" se usa aquí para reintegrar el valor de índice de la fila. En el cuadro de datos anterior, puede ver que se muestran los valores de índice predeterminados de la fila, y ahora, estamos aplicando el método "reindex ()" para reindexar esos índices de fila. Colocamos el nombre de DataFrame y luego el método "reindex ()" en el que colocamos los valores de índice que queremos agregar al cuadro de datos anterior. Ponemos "Ind_a, Ind_B, Ind_C, Ind_D, Ind_E, Ind_F, Ind_G, Ind_h e Ind_i" en la función "Reindex ()". Por lo tanto, los índices de estas filas se actualizarán en DataFrame cuando ejecutemos este código.

Los valores del índice de la fila se muestran en este resultado, y puede tener en cuenta que los valores de DataFrame no se muestran aquí, y los valores "NAN" han aparecido. Esto se debe a que los nuevos valores de índice no coinciden con los valores de índice anteriores del marco de datos. Cuando el nuevo índice y el índice antiguo no coinciden, se muestra "nan" allí. Estos valores "nan" aparecen de forma predeterminada cuando cambiamos el índice, y no coincide con el índice anterior.

Ejemplo # 02

Ahora estamos cambiando los valores del índice de columna del "value_df", que hemos creado previamente en el Ejemplo 1. Después de imprimir el "value_df", colocamos la variable "columna" y le agregamos algunos valores. Agregamos "A_1, B_1, C_1, D_1 y E_1". Ahora, queremos ajustar estos valores como el índice de las columnas, por lo que, para esto, estamos utilizando el método "reindex ()" y colocar el nombre de la variable "columna" en la que se almacenan los nuevos valores del índice de columna y También establezca el "eje" en "columnas" para que actualice el índice del eje de la columna. Ponemos el método "reindex ()" en el "print ()", por lo que también se convertirá en el terminal.

Como hemos utilizado el método "reindex ()", los valores del índice de columna que están presentes en el primer cuadro de datos se actualizan y se agregan nuevos valores en el DataFrame actualizado. También puede tener en cuenta que todos los valores del DataFrame se convierten en "Nan" porque ambos valores de índice de columnas son diferentes.

Ejemplo # 03

El "Programming_Data" en este código contiene "P_Languages", donde hemos agregado "JavaScript, CSS, Web Engineering, OOP, C#, AI, Java y JavaScript". Luego, tenemos "horas" en las que colocamos "4_hrs, 2_hrs, 3_hrs, 7_hrs, 6_hrs, 5_hrs, 8_hrs y 6_hrs". Después de esto, se ingresa el "P_code", e insertamos "11523, 12423, 12321, 11456, 11454, 12267, 13106 y 14123". Agregamos la variable "P_index" y ponemos "PRO_A, PRO_B, PRO_C, PRO_D, PRO_E, PRO_F, PRO_G Y PRO_H".

Estos valores se utilizarán como valores de índice de las filas. Cambiamos el "Programming_Data" en el marco de datos "Programming_DF". También agregamos el "p_index" a este marco de datos utilizando el método "índice". Ponemos "Programming_DF" y luego el método "índice" y asignamos el "p_index" a esto. Ahora, los valores de índice anteriores se agregan como los valores del índice de filas al marco de datos. Imprimimos el "Programming_DF" también.

Después de esto, agregamos algunos nuevos valores de índice en la variable "New_index", y estos son "P_1, P_2, P_3, P_4, P_5, P_6, P_7 y P_8". Como queremos actualizar los valores de índice de las filas, utilizamos el método "reindex ()" y colocamos "new_index" como el parámetro de esta función y también almacenamos el marco de datos actualizado en el "newProgramming_DF" y coloca el "NewProgramming_DF" en "" en "" print () "para mostrar.

Los valores de índice se actualizan, y también podemos decir que hemos reindexado el DataFrame que hemos creado. Todos los valores de DataFrame también se convierten en "NAN" porque ambos valores de índice son diferentes.

Ejemplo # 04

Actualmente estamos alterando los valores de índice "Programming_DF" de las columnas, que desarrollamos previamente en el Ejemplo 3. Colocamos la variable "columna" e insertamos nuevos valores en ella. La "p_code, p_languages, horas y nuevo" se agregan a la variable "columna". Luego, usamos nuevamente el método "reindex ()" en el que establecemos la variable "columna", que actualizará los valores de índice de columna anteriores y agregará estos nuevos valores de índice de columna al marcado de datos.

Aquí, puede tener en cuenta que los nuevos valores que hemos agregado en "columna" son los mismos que hemos agregado en el marcado de datos anterior, pero la secuencia es diferente, por lo que cambiará la secuencia de las columnas y ajustará todas las columnas como nosotros mencionado en la variable "columna". Además, agregamos un valor de índice más que no está presente en el marcado de datos anterior, que es "nuevo" aquí, por lo que los valores "NAN" aparecerán en esta columna.

La secuencia de las columnas se cambia aquí, y todos los valores aparecen, ya que está presente en las columnas de DataFrame originales y la columna "nueva" en el DataFrame actualizado contiene todos los valores de "Nan" porque esta columna no está presente en el DataFrame original.

Conclusión

Hemos presentado este tutorial que nos ayuda a comprender en detalle la noción de "reindex pandas". Hemos discutido cómo podemos reindexar una columna de DataFrame, así como los valores de índice de la fila. Hemos explicado que la función "reindex ()" de "pandas" se utiliza para hacer esto. Hemos hecho diferentes ejemplos en los que hemos cambiado los valores de índice de las filas de DataFrame y también los valores de índice del índice de columna del DataFrame. Hemos presentado los resultados de todos los códigos que hemos hecho aquí en este tutorial y también los explicamos en profundidad.